KR102233849B1 - 피질하혈관성 인지장애의 예후를 예측하기 위한 방법 및 장치 - Google Patents
피질하혈관성 인지장애의 예후를 예측하기 위한 방법 및 장치 Download PDFInfo
- Publication number
- KR102233849B1 KR102233849B1 KR1020180044568A KR20180044568A KR102233849B1 KR 102233849 B1 KR102233849 B1 KR 102233849B1 KR 1020180044568 A KR1020180044568 A KR 1020180044568A KR 20180044568 A KR20180044568 A KR 20180044568A KR 102233849 B1 KR102233849 B1 KR 102233849B1
- Authority
- KR
- South Korea
- Prior art keywords
- cognitive impairment
- group
- prognosis
- brain
- vascular cognitive
- Prior art date
Links
- 230000002739 subcortical effect Effects 0.000 title claims abstract description 77
- 208000037820 vascular cognitive impairment Diseases 0.000 title claims abstract description 68
- 238000004393 prognosis Methods 0.000 title claims abstract description 59
- 238000000034 method Methods 0.000 title claims abstract description 29
- 208000014644 Brain disease Diseases 0.000 claims abstract description 41
- 238000002610 neuroimaging Methods 0.000 claims abstract description 20
- 208000010877 cognitive disease Diseases 0.000 claims description 27
- 230000002792 vascular Effects 0.000 claims description 21
- 230000000971 hippocampal effect Effects 0.000 claims description 20
- 206010003694 Atrophy Diseases 0.000 claims description 17
- 208000024806 Brain atrophy Diseases 0.000 claims description 17
- 230000037444 atrophy Effects 0.000 claims description 17
- 238000000556 factor analysis Methods 0.000 claims description 6
- 201000004810 Vascular dementia Diseases 0.000 description 27
- 208000027061 mild cognitive impairment Diseases 0.000 description 14
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 9
- 201000010099 disease Diseases 0.000 description 8
- 208000024827 Alzheimer disease Diseases 0.000 description 6
- 239000000090 biomarker Substances 0.000 description 6
- 206010012289 Dementia Diseases 0.000 description 4
- 230000003920 cognitive function Effects 0.000 description 4
- 230000004770 neurodegeneration Effects 0.000 description 4
- 208000028698 Cognitive impairment Diseases 0.000 description 3
- 210000004556 brain Anatomy 0.000 description 3
- 230000001054 cortical effect Effects 0.000 description 3
- 238000002595 magnetic resonance imaging Methods 0.000 description 3
- 239000003550 marker Substances 0.000 description 3
- 230000002250 progressing effect Effects 0.000 description 3
- 210000005013 brain tissue Anatomy 0.000 description 2
- 230000006999 cognitive decline Effects 0.000 description 2
- 238000002591 computed tomography Methods 0.000 description 2
- 230000006378 damage Effects 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000000302 ischemic effect Effects 0.000 description 2
- 208000026139 Memory disease Diseases 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 210000001367 artery Anatomy 0.000 description 1
- 230000036770 blood supply Effects 0.000 description 1
- 230000002490 cerebral effect Effects 0.000 description 1
- 206010008118 cerebral infarction Diseases 0.000 description 1
- 208000026106 cerebrovascular disease Diseases 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 208000035475 disorder Diseases 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000007170 pathology Effects 0.000 description 1
- 102000004169 proteins and genes Human genes 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- 238000002601 radiography Methods 0.000 description 1
- 208000019553 vascular disease Diseases 0.000 description 1
- 230000003313 weakening effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves
- A61B5/055—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves involving electronic [EMR] or nuclear [NMR] magnetic resonance, e.g. magnetic resonance imaging
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
- A61B6/03—Computed tomography [CT]
- A61B6/032—Transmission computed tomography [CT]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
- A61B6/03—Computed tomography [CT]
- A61B6/037—Emission tomography
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- General Health & Medical Sciences (AREA)
- Radiology & Medical Imaging (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Physics & Mathematics (AREA)
- Molecular Biology (AREA)
- Heart & Thoracic Surgery (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Biophysics (AREA)
- High Energy & Nuclear Physics (AREA)
- Veterinary Medicine (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Optics & Photonics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Pulmonology (AREA)
- Theoretical Computer Science (AREA)
- Investigating Or Analysing Biological Materials (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
본 발명은 피질하혈관성 인지장애의 예후를 예측하기 위한 방법 및 장치에 관한 것으로서, 본 발명의 일 실시 예에 따른 방법에는, 뇌질환 환자에 대한 뇌촬영 영상을 수집하는 단계, 수집된 뇌촬영 영상에 기초하여 피질하혈관성 인지장애의 예후를 예측하기 위한 복수개의 인자(factor)들을 분석하는 단계, 분석된 복수개의 인자들에 기초하여 피질하혈관성 인지장애의 진행속도에 따라 뇌질환 환자를 제 1 그룹 또는 제 2 그룹으로 분류하는 단계 및 뇌질환 환자가 분류된 그룹의 특성에 기초하여 피질하혈관성 인지장애의 예후를 파악하고, 뇌질환 환자의 치료 방향을 결정하는 단계가 포함될 수 있다.
Description
본 발명은 피질하혈관성 인지장애의 예후를 예측하기 위한 방법 및 장치에 관한 것으로, 더욱 상세하게는 피질하혈관성 인지장애의 예후를 예측하기 위한 바이오마커(biomarker)를 제시하고, 제시된 바이오마커에 근거하여 피질하혈관성 인지장애의 진행속도에 따라 환자를 분류함으로써 초기에 보다 정확히 예후를 예측하기 위한 방법 및 장치에 관한 것이다.
혈관성 치매(subcortical vascular dementia, SvaD)는 뇌혈관의 문제로 인해 뇌조직이 손상을 입게 되어 발생하는 치매를 말하며, 논란의 여지가 있기는 하지만 알쯔하이머병 다음으로 흔한 치매로 알려져 있다. 이러한 혈관성 치매의 환자 중 피질하혈관성 치매(또는 인지장애) 환자가 가장 큰 부분을 차지하고 있다.
피질하혈관성 치매는 뇌의 작은 동맥이 좁아져 혈액공급량이 줄어들게 되면 넓은 부위의 뇌 조직이 허혈성 손상을 입게 되고, 이 경우 주로 피질하 부위에 손상을 많이 받게 됨으로써 발생될 수 있다. 이러한 피질하혈관성 치매와 정상의 중간 단계로서 피질하혈관성 인지장애가 존재하며, 피질하혈관성 인지장애는 뇌내 피질하 영역의 허혈성 변화로 인해 인지장애가 나타나는 질환을 말한다.
뇌 영상 기술이 발달함에 따라 피질하혈관성 치매를 포함하여 대한민국 공개특허공보 제10-2014-0063809호와 같이 MRI 영상 등을 이용하여 알츠하이머 병 등의 뇌 질환을 진단하고 병리를 평가하는 방법에 관한 연구가 활발히 진행되고 있으나, 현재 피질하혈관성 인지장애의 예후를 예측하기 위한 바이오마커(biomarker)의 개발은 거의 진행되지 않고 있다.
즉, 기억장애 클리닉 및 진료실에서의 검사 결과(ex. 뇌 촬영 영상 등) 를 통해 피질하혈관성 인지장애를 진단하고는 있으나, 초기 영상검사 결과를 통해 환자 개인별로 예후를 예측하여 치료 방향을 결정하는데는 여전히 어려움이 존재한다.
본 발명은 전술한 바와 같은 문제점을 해결하기 위한 것으로서, 피질하혈관성 인지장애 환자에 대한 개인별 예후를 예측하기 위한 바이오마커를 제시함으로써, 이를 통해 보다 직관적이고 정확히 환자의 치매전환 위험 정도를 예측할 수 있도록 하는 방법 및 장치를 제공함에 목적이 있다.
또한, 피질하혈관성 인지장애 환자에 대한 개인별 예후를 예측하기 위한 바이오마커에 기초하여 환자를 피질하혈관성 인지장애의 진행 속도에 따라 분류 함으로써, 환자의 피질하혈관성 인지장애 치료 및 예후 안내에 대한 명확한 가이드 라인을 제시하고자 함에 목적이 있다.
본 발명의 일 실시 예에 따른 피질하혈관성 인지장애의 예후를 예측하기 위한 방법에는, 뇌질환 환자에 대한 뇌촬영 영상을 수집하는 단계, 수집된 뇌촬영 영상에 기초하여 피질하혈관성 인지장애의 예후를 예측하기 위한 복수개의 인자(factor)들을 분석하는 단계, 분석된 복수개의 인자들에 기초하여 피질하혈관성 인지장애의 진행속도에 따라 뇌질환 환자를 제 1 그룹 또는 제 2 그룹으로 분류하는 단계 및 뇌질환 환자가 분류된 그룹의 특성에 기초하여 피질하혈관성 인지장애의 예후를 파악하고, 뇌질환 환자의 치료 방향을 결정하는 단계가 포함될 수 있다.
본 발명의 일 실시 예에 따른 피질하혈관성 인지장애의 예후를 예측하기 위한 방법에서 제 1 그룹은 제 2 그룹에 비해 피질하혈관성 인지장애의 진행이 상대적으로 빠를 수 있다.
본 발명의 일 실시 예에 따른 피질하혈관성 인지장애의 예후를 예측하기 위한 방법에서 복수개의 인자들에는 아밀로이드 페트(PET), 열공(lacune)의 개수, 뇌위축 여부 및 해마위축 여부가 포함될 수 있다.
본 발명의 일 실시 예에 따른 분석된 복수개의 인자들에 기초하여 피질하혈관성 인지장애의 진행속도에 따라 뇌질환 환자를 제 1 그룹 또는 제 2 그룹으로 분류하는 단계에서는, 아밀로이드 페트가 양성이고, 열공의 개수가 10개 이상이며, 뇌위축 및 해마위축이 발생한 것으로 분석되는 경우에 뇌질환 환자를 제 1 그룹으로 분류할 수 있다.
본 발명의 일 실시 예에 따른 피질하혈관성 인지장애의 예후를 예측하기 위한 장치에는, 뇌질환 환자에 대한 뇌촬영 영상을 수집하기 위한 영상 수집부, 수집된 뇌촬영 영상에 기초하여 피질하혈관성 인지장애의 예후를 예측하기 위한 복수개의 인자(factor)들을 분석하는 인자 분석부, 분석된 복수개의 인자들에 기초하여 피질하혈관성 인지장애의 진행속도에 따라 뇌질환 환자를 제 1 그룹 또는 제 2 그룹으로 분류하기 위한 환자 분류부 및 뇌질환 환자가 분류된 그룹의 특성에 기초하여 피질하혈관성 인지장애의 예후를 파악하고, 뇌질환 환자의 치료 방향을 결정하기 위한 예후 예측부가 포함될 수 있다.
본 발명의 일 실시 예에 따른 피질하혈관성 인지장애의 예후를 예측하기 위한 장치에서 제 1 그룹은 제 2 그룹에 비해 피질하혈관성 인지장애의 진행이 상대적으로 빠를 수 있다.
본 발명의 일 실시 예에 따른 피질하혈관성 인지장애의 예후를 예측하기 위한 장치에서 복수개의 인자들에는 아밀로이드 페트(PET), 열공(lacune)의 개수, 뇌위축 여부 및 해마위축 여부가 포함될 수 있다.
본 발명의 일 실시 예에 따른 피질하혈관성 인지장애의 예후를 예측하기 위한 장치의 환자 분류부에서는, 아밀로이드 페트가 양성이고, 열공의 개수가 소정의 개수 이상이며, 뇌위축 및 해마위축이 발생한 것으로 분석되는 경우에 뇌질환 환자를 제 1 그룹으로 분류할 수 있다.
한편, 본 발명의 일 실시예로써, 전술한 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체가 제공될 수 있다.
본 발명의 일 실시예로서 제공되는 피질하혈관성 인지장애의 예후를 예측하기 위한 방법 및 장치에 따르면, 피질하혈관성 인지장애의 예후 예측을 위한 바이오마커를 통해 환자를 피질하혈관성 인지장애의 진행 속도에 따라 분류함으로써, 보다 직관적이고 간편하게 환자의 예후를 예측할 수 있으며, 이러한 분류 및 예후 예측에 기초하여 환자 개인별로 보다 정확한 치료 가이드 라인을 제공할 수 있다.
도 1은 본 발명의 일 실시 예에 따른 피질하혈관성 인지장애의 예후를 예측하기 위한 방법을 나타낸 순서도이다.
도 2는 본 발명의 일 실시 예에 따른 (a) 혈관성 경도인지장애(svMCI) 환자에 대한 추적관찰 결과를 나타낸 그래프, (b) 혈관성 치매(SvaD) 환자에 대한 추적관찰 결과를 나타낸 그래프이다.
도 3은 본 발명의 일 실시 예에 따른 혈관성 경도인지장애(svMCI) 환자에 대한 추적관찰 경과를 나타내는 순서도이다.
도 4는 본 발명의 일 실시 예에 따른 혈관성 치매(SvaD) 환자에 대한 추적관찰 경과를 나타내는 순서도이다.
도 5는 본 발명의 일 실시 예에 따른 피질하혈관성 인지장애의 예후를 예측하기 위한 장치를 나타낸 블록도이다.
도 2는 본 발명의 일 실시 예에 따른 (a) 혈관성 경도인지장애(svMCI) 환자에 대한 추적관찰 결과를 나타낸 그래프, (b) 혈관성 치매(SvaD) 환자에 대한 추적관찰 결과를 나타낸 그래프이다.
도 3은 본 발명의 일 실시 예에 따른 혈관성 경도인지장애(svMCI) 환자에 대한 추적관찰 경과를 나타내는 순서도이다.
도 4는 본 발명의 일 실시 예에 따른 혈관성 치매(SvaD) 환자에 대한 추적관찰 경과를 나타내는 순서도이다.
도 5는 본 발명의 일 실시 예에 따른 피질하혈관성 인지장애의 예후를 예측하기 위한 장치를 나타낸 블록도이다.
본 명세서에서 사용되는 용어에 대해 간략히 설명하고, 본 발명에 대해 구체적으로 설명하기로 한다.
본 발명에서 사용되는 용어는 본 발명에서의 기능을 고려하면서 가능한 현재 널리 사용되는 일반적인 용어들을 선택하였으나, 이는 당 분야에 종사하는 기술자의 의도 또는 판례, 새로운 기술의 출현 등에 따라 달라질 수 있다. 또한, 특정한 경우는 출원인이 임의로 선정한 용어도 있으며, 이 경우 해당되는 발명의 설명 부분에서 상세히 그 의미를 기재할 것이다. 따라서 본 발명에서 사용되는 용어는 단순한 용어의 명칭이 아닌, 그 용어가 가지는 의미와 본 발명의 전반에 걸친 내용을 토대로 정의되어야 한다.
명세서 전체에서 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있음을 의미한다. 또한, 명세서에 기재된 "...부" 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어 또는 소프트웨어로 구현되거나 하드웨어와 소프트웨어의 결합으로 구현될 수 있다.
아래에서는 첨부한 도면을 참조하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 본 발명의 실시예를 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.
이하 첨부된 도면을 참고하여 본 발명을 상세히 설명하기로 한다.
도 1은 본 발명의 일 실시 예에 따른 피질하혈관성 인지장애의 예후를 예측하기 위한 방법을 나타낸 순서도이다.
도 1을 참조하면, 본 발명의 일 실시 예에 따른 피질하혈관성 인지장애의 예후를 예측하기 위한 방법에는, 뇌질환 환자에 대한 뇌촬영 영상을 수집하는 단계(S100), 수집된 뇌촬영 영상에 기초하여 피질하혈관성 인지장애의 예후를 예측하기 위한 복수개의 인자(factor)들을 분석하는 단계(S200), 분석된 복수개의 인자들에 기초하여 피질하혈관성 인지장애의 진행속도에 따라 뇌질환 환자를 제 1 그룹 또는 제 2 그룹으로 분류하는 단계(S300) 및 뇌질환 환자가 분류된 그룹의 특성에 기초하여 피질하혈관성 인지장애의 예후를 파악하고, 뇌질환 환자의 치료 방향을 결정하는 단계(S400)가 포함될 수 있다.
본 발명의 일 실시 예에 따른 뇌촬영 영상에는 자기공명영상(magnetic resonance imaging, MRI), 컴퓨터 단층촬영(computed tomography, CT) 영상 및 아밀로이드 PET(Amyloid PET) 영상 등이 포함될 수 있으며, 이에 한정되지 않고 알츠하이머 병 및 치매 등의 뇌 질환을 진단하기 위해 사용되는 뇌촬영 영상은 모두 포함될 수 있다.
도 2 내지 도 4를 참조한 아래의 설명은 혈관성 경도인지장애(subcortical vscular mild cognitive impairment, svMCI) 및 혈관성 치매(subcortical vascular dementia, SvaD) 환자에 대한 약 5년간의 추적관찰에 기초한 것이다.
도 2는 본 발명의 일 실시 예에 따른 (a) 혈관성 경도인지장애(svMCI) 환자에 대한 추적관찰 결과를 나타낸 그래프, (b) 혈관성 치매(SvaD) 환자에 대한 추적관찰 결과를 나타낸 그래프이고, 도 3은 본 발명의 일 실시 예에 따른 혈관성 경도인지장애(svMCI) 환자에 대한 추적관찰 경과를 나타내는 순서도이며, 도 4는 본 발명의 일 실시 예에 따른 혈관성 치매(SvaD) 환자에 대한 추적관찰 경과를 나타내는 순서도이다.
도 2의 (a)를 참조하면, 혈관성 경도인지장애 환자에 대한 약 5년간의 추적관찰 결과, 혈관성 경도인지장애 환자가 CDR-SOB 점수에 따라 인지기능 약화가 빠르게 진행하는 군(Rapid decliner)과 인지기능 약화가 느리게 진행하는 군(Slow decliner)으로 명확히 분류될 수 있음을 확인할 수 있다.
이때, 도 2의 (a) 및 도 3을 참조하면, 추적관찰의 경과에 따라 시간이 지날수록 다른 질병의 발생, 뇌 질환의 진행에 따른 사망 등의 요인으로 인해 관찰되는 혈관성 경도인지장애 환자의 수가 감소한 것을 확인할 수 있다. 이에 따라 추적관찰의 초기에는 빠르게 진행하는 군은 19명(23.75%), 느리게 진행하는 군은 61명(76.25%)로 분류되었으나, 5년째 추적관찰 시에는 빠르게 진행하는 군 중 11명이 검사를 완료하였고, 느리게 진행하는 군 중 46명이 검사를 완료하였음을 알 수 있다.
또한, 도 2의 (b)를 참조하면, 혈관성 치매 환자에 대한 약 4년간의 추적관찰 결과, 혈관성 치매 환자가 CDR-SOB 점수에 따라 인지기능 약화가 빠르게 진행하는 군(Rapid decliner)과 인지기능 약화가 느리게 진행하는 군(Slow decliner)으로 명확히 분류될 수 있음을 확인할 수 있다.
이때, 도 2의 (b) 및 도 4를 참조하면, 추적관찰의 경과에 따라 시간이 지날수록 다른 질병의 발생, 뇌 질환의 진행에 따른 사망 등의 요인으로 인해 관찰되는 혈관성 치매의 환자의 수가 감소한 것을 확인할 수 있다. 이에 따라 추적관찰의 초기에는 빠르게 진행하는 군은 27명(50.0%), 느리게 진행하는 군은 27명(50.0%)로 분류되었으나, 5년째 추적관찰 시에는 빠르게 진행하는 군 중 14명이 검사를 완료하였고, 느리게 진행하는 군 중 17명이 검사를 완료하였음을 알 수 있다.
전술한 빠르게 진행하는 군과 느리게 진행하는 군의 분류에 이용되는 CDR-SOB 점수는 치매임상평가척도(Clinical Dementia Rating, CDR) 스케일에 따라 영역 별로 하나의 점수를 매긴 후 영역 별 박스점수 총합(Sum of Boxes, SOB)을 나타낸 것이다. CDR-SOB 점수가 증가할수록 인지기능이 약화되는 것을 의미한다. 즉, 도 2를 참조하면, 시간이 지남에 따라 CDR-SOB 점수가 증가하는 폭이 빠르 진행하는 군이 느리게 진행하는 군에 비해 큰 것을 확인할 수 있다.
도 2 내지 도 4를 통해 알 수 있듯이, 혈관성 경도인지장애 환자 및 혈관성 치매 환자를 인지기능 약화가 빠르게 진행하는 군과 느리게 진행하는 군으로 분류할 수 있다. 이 때, 빠르게 진행하는 군은 느리게 진행하는 군과 비교하여 초기 뇌촬영 영상에서 아밀로이드 PET 양성으로 판단되었으며, MRI 상 열공(lacune)이 10개 이상 발견되었고, 전반적인 뇌위축 및 해마위축 소견이 두드러지게 나타남을 알 수 있었다.
아래의 [표 1]은 뇌촬영 영상을 통해 관측되는 혈관성 경도인지장애 환자 및 혈관성 치매 환자에 대한 데이터 비교분석 결과를 나타낸다.
[표 1]
먼저, [표 1]의 혈관성 경도인지장애(svMCI) 환자에 대한 데이터 분석 결과를 살펴보면, 빠르게 진행하는 군(rapid decliner)는 느리게 진행하는 군(slow decliner)에 비해 아밀로이드(PiB PET) 양성률이 높음을 확인할 수 있다. 아밀로이드는 알츠하이머병의 원인 단백질을 말한다. 즉, 혈관성 경도인지장애에서 초기에 알츠하이머병 인자가 동반(i.e. 아밀로이드 PET 양성 판단)되는 경우, 이를 통해 향후 병(ex. 혈관성 경도인지장애)의 진행이 빠를 것을 예측할 수 있음을 알 수 있다.
또한, 빠르게 진행하는 군은 느리게 진행하는 군에 비해 열공성 뇌경색의 개수가 많음을 확인할 수 있다. 열공은 뇌혈관 질환의 마커(marker)로서 사용된다. 즉, 혈관성 경도인지장애에서 초기 뇌혈관 손상이 심한 것으로 판단(i.e. 열공의 개수가 10개 이상)되는 경우, 이를 통해 향후 병(ex. 혈관성 경도인지장애)의 진행이 빠를 것을 예측할 수 있음을 알 수 있다.
또한, 빠르게 진행하는 군은 느리게 진행하는 군에 비해 피질 두께(cortical thickness)가 얇은 것을 확인할 수 있다. 피질 두께는 신경퇴화(neurodegeneration)의 마커로서 사용된다. 즉, 혈관성 경도인지장애에서 초기 신경퇴화가 심한 것으로 판단(i.e. 피질 두께가 감소)되는 경우, 이를 통해 향후 병(ex. 혈관성 경도인지장애)의 진행이 빠를 것을 예측할 수 있음을 알 수 있다.
한편, [표 1]의 혈관성 치매(SVaD) 환자에 대한 데이터 분석 결과를 살펴보면, 전술한 혈관성 경도인지장애의 경우와 마찬가지로 빠르게 진행하는 군은 느리게 진행하는 군에 비해 아밀로이드(PiB PET) 양성률이 높음을 확인할 수 있다.
또한, 혈관성 치매 환자의 경우 빠르게 진행하는 군은 느리게 진행하는 군에 비해 해마 부피(hippocampal volume)가 작은 것을 확인할 수 있다. 해마 부피는 알츠하이머성 신경퇴화의 마커로서 사용된다. 즉, 혈관성 치매에서 초기 알츠하이머성 신경퇴화가 심한 것으로 판단(i.e. 해마 부피가 감소)되는 경우, 이를 통해 향후 병(ex. 혈관성 치매)의 진행이 빠를 것을 예측할 수 있음을 알 수 있다.
전술한 내용들을 정리하면, 혈관성 경도인지장애 및 혈관성 치매를 포함하는 피질하혈관성 질환에서 아밀로이드 PET가 양성, 열공의 개수가 10개 이상, 뇌위축 및 해마위축이 발생한 것으로 판단되는 경우에는 뇌질환의 진행 속도가 상대적으로 빠를 것을 예측할 수 있다.
이러한 추적관찰 결과에 기초하여 본 발명의 일 실시예에 따른 피질하혈관성 인지장애의 예후를 예측하기 위한 복수개의 인자들 및 제 1 그룹과 제 2 그룹의 분류에 관한 내용을 상세히 살펴보면 다음과 같다.
본 발명의 일 실시 예에 따른 피질하혈관성 인지장애의 예후를 예측하기 위한 방법에서 제 1 그룹은 제 2 그룹에 비해 피질하혈관성 인지장애의 진행이 상대적으로 빠를 수 있다. 즉, 도 2 및 [표 1]을 참조하면, 제 1 그룹은 빠르게 진행하는 군에 대응될 수 있으며, 제 2 그룹은 느리게 진행하는 군에 대응될 수 있다.
이 때, 본 발명의 일 실시 예에 따른 피질하혈관성 인지장애의 예후를 예측하기 위한 방법에서 복수개의 인자들에는 아밀로이드 페트(PET), 열공(lacune)의 개수, 뇌위축 여부 및 해마위축 여부가 포함될 수 있다.
또한, 본 발명의 일 실시 예에 따른 분석된 복수개의 인자들에 기초하여 피질하혈관성 인지장애의 진행속도에 따라 뇌질환 환자를 제 1 그룹 또는 제 2 그룹으로 분류하는 단계(S300)에서는, 아밀로이드 페트가 양성이고, 열공의 개수가 10개 이상이며, 뇌위축 및 해마위축이 발생한 것으로 분석되는 경우에 뇌질환 환자를 제 1 그룹으로 분류할 수 있다. 즉, 제 2 그룹에 비해 피질하혈관성 인지장애의 진행이 빠른 제 1 그룹으로의 분류는 아밀로이드 페트가 양성, 열공의 개수가 10개 이상, 뇌위축 및 해마위축이 발생한 것으로 판단된 경우에 따른 것이다. 다만, 복수개의 인자들이 아밀로이드 페트 양성, 열공의 개수가 10개 이상, 뇌위축 발생 또는 해마위축 발생 중 적어도 하나 이상에 해당하는 것으로 판단되는 경우에도 뇌질환 환자를 제 1 그룹으로 분류할 수 있다. 예를 들어, 아밀로이드 페트가 양성이지만 열공의 개수가 10개 미만이며, 뇌위축 및 해마위축이 발생하지 않은 경우에도 제 1 그룹으로 분류할 수 있다.
도 5는 본 발명의 일 실시 예에 따른 피질하혈관성 인지장애의 예후를 예측하기 위한 장치(1000)를 나타낸 블록도이다.
도 5를 참조하면, 본 발명의 일 실시 예에 따른 피질하혈관성 인지장애의 예후를 예측하기 위한 장치(1000)에는, 뇌질환 환자에 대한 뇌촬영 영상을 수집하기 위한 영상 수집부(100), 수집된 뇌촬영 영상에 기초하여 피질하혈관성 인지장애의 예후를 예측하기 위한 복수개의 인자(factor)들을 분석하는 인자 분석부(200), 분석된 복수개의 인자들에 기초하여 피질하혈관성 인지장애의 진행속도에 따라 뇌질환 환자를 제 1 그룹 또는 제 2 그룹으로 분류하기 위한 환자 분류부(300) 및 뇌질환 환자가 분류된 그룹의 특성에 기초하여 피질하혈관성 인지장애의 예후를 파악하고, 뇌질환 환자의 치료 방향을 결정하기 위한 예후 예측부(400)가 포함될 수 있다.
도 5를 참조하면, 수집된 뇌촬영 영상, 인자 분석 데이터, 환자 분류 데이터는 피질하혈관서 인지장애의 예후를 예측하기 위한 장치(1000)에 포함된 데이터베이스(500)에 모두 저장될 수 있으며, 데이터베이스(500)에 저장된 모든 데이터는 주기적으로 삭제 또는 새로운 카테고리에 따라 분류될 수 있다.
본 발명의 일 실시 예에 따른 피질하혈관성 인지장애의 예후를 예측하기 위한 장치(1000)에서 제 1 그룹은 제 2 그룹에 비해 피질하혈관성 인지장애의 진행이 상대적으로 빠를 수 있다.
본 발명의 일 실시 예에 따른 피질하혈관성 인지장애의 예후를 예측하기 위한 장치(1000)에서 복수개의 인자들에는 아밀로이드 페트(PET), 열공(lacune)의 개수, 뇌위축 여부 및 해마위축 여부가 포함될 수 있다.
본 발명의 일 실시 예에 따른 피질하혈관성 인지장애의 예후를 예측하기 위한 장치(1000)의 환자 분류부에서는, 아밀로이드 페트가 양성이고, 열공의 개수가 소정의 개수 이상이며, 뇌위축 및 해마위축이 발생한 것으로 분석되는 경우에 뇌질환 환자를 제 1 그룹으로 분류할 수 있다.
본 발명의 일 실시 예에 따른 장치(1000)와 관련하여서는 전술한 방법에 대한 내용이 적용될 수 있다. 따라서, 장치(1000)와 관련하여, 전술한 방법에 대한 내용과 동일한 내용에 대하여는 설명을 생략하였다.
한편, 전술한 방법은 컴퓨터에서 실행될 수 있는 프로그램으로 작성 가능하고, 컴퓨터 판독 가능 매체를 이용하여 상기 프로그램을 동작시키는 범용 디지털 컴퓨터에서 구현될 수 있다. 또한, 상술한 방법에서 사용된 데이터의 구조는 컴퓨터 판독 가능 매체에 여러 수단을 통하여 기록될 수 있다. 본 발명의 다양한 방법들을 수행하기 위한 실행 가능한 컴퓨터 프로그램이나 코드를 기록하는 기록 매체는, 반송파(carrier waves)나 신호들과 같이 일시적인 대상들은 포함하는 것으로 이해되지는 않아야 한다. 상기 컴퓨터 판독 가능 매체는 마그네틱 저장매체(예를 들면, 롬, 플로피 디스크, 하드 디스크 등), 광학적 판독 매체(예를 들면, 시디롬, DVD 등)와 같은 저장 매체를 포함할 수 있다.
전술한 본 발명의 설명은 예시를 위한 것이며, 본 발명이 속하는 기술분야의 통상의 지식을 가진 자는 본 발명의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 예를 들어, 단일형으로 설명되어 있는 각 구성요소는 분산되어 실시될 수도 있으며, 마찬가지로 분산된 것으로 설명되어 있는 구성 요소들도 결합된 형태로 실시될 수 있다.
본 발명의 범위는 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.
100: 영상 수집부
200: 인자 분석부
300: 환자 분류부
400: 예후 예측부
500: 데이터베이스
1000: 피질하혈관성 인지장애의 예후를 예측하기 위한 장치
200: 인자 분석부
300: 환자 분류부
400: 예후 예측부
500: 데이터베이스
1000: 피질하혈관성 인지장애의 예후를 예측하기 위한 장치
Claims (9)
- 피질하혈관성 인지장애의 예후를 예측하기 위한 방법에 있어서,
영상 수집부를 통해 뇌질환 환자에 대한 뇌촬영 영상을 수집하는 단계;
인자 분석부가 상기 수집된 뇌촬영 영상에 기초하여 상기 피질하혈관성 인지장애의 예후를 예측하기 위한 복수개의 인자(factor)들을 분석하는 단계;
환자 분류부가 상기 분석된 복수개의 인자들에 기초하여 상기 피질하혈관성 인지장애의 진행속도에 따라 상기 뇌질환 환자를 제 1 그룹 또는 제 2 그룹으로 분류하는 단계; 및
예후 예측부가 상기 뇌질환 환자가 분류된 그룹의 특성에 기초하여 상기 피질하혈관성 인지장애의 예후를 파악하고, 상기 뇌질환 환자의 치료 방향을 결정하는 단계가 포함되고
상기 복수개의 인자들에는, 아밀로이드 페트(PET), 열공(lacune)의 개수, 뇌위축 여부 및 해마위축 여부가 포함되며,
상기 제 1그룹 또는 제 2그룹으로 분류하는 단계에서는, 상기 환자 분류부가 상기 아밀로이드 페트가 양성이고, 상기 열공의 개수가 10개 이상이며, 상기 뇌위축 및 해마위축이 발생한 것으로 분석되는 경우에 상기 뇌질환 환자를 제 1그룹으로 분류하는 것을 특징으로 하는 피질하혈관성 인지장애의 예후를 예측하기 위한 방법.
- 제 1 항에 있어서,
상기 제 1 그룹은 상기 제 2 그룹에 비해 상기 피질하혈관성 인지장애의 진행이 상대적으로 빠른 것을 특징으로 하는 피질하혈관성 인지장애의 예후를 예측하기 위한 방법.
- 삭제
- 삭제
- 피질하혈관성 인지장애의 예후를 예측하기 위한 장치에 있어서,
뇌질환 환자에 대한 뇌촬영 영상을 수집하기 위한 영상 수집부;
상기 수집된 뇌촬영 영상에 기초하여 상기 피질하혈관성 인지장애의 예후를 예측하기 위한 복수개의 인자(factor)들을 분석하는 인자 분석부;
상기 분석된 복수개의 인자들에 기초하여 상기 피질하혈관성 인지장애의 진행속도에 따라 상기 뇌질환 환자를 제 1 그룹 또는 제 2 그룹으로 분류하기 위한 환자 분류부; 및
상기 뇌질환 환자가 분류된 그룹의 특성에 기초하여 상기 피질하혈관성 인지장애의 예후를 파악하고, 상기 뇌질환 환자의 치료 방향을 결정하기 위한 예후 예측부를 포함하고,
상기 복수개의 인자들에는, 아밀로이드 페트(PET), 열공(lacune)의 개수, 뇌위축여부 및 해마위축 여부가 포함되며,
상기 환자 분류부에서는, 상기 아밀로이드 페트가 양성이고, 상기 열공의 개수가 소정의 개수 이상이며, 상기 뇌위축 및 해마위축이 발생한 것으로 분석되는 경우에 상기 뇌질환 환자를 제 1그룹으로 분류하는 것을 특징으로 하는 피질하혈관성 인지장애의 예후를 예측하기 위한 장치.
- 제 5 항에 있어서,
상기 제 1 그룹은 상기 제 2 그룹에 비해 상기 피질하혈관성 인지장애의 진행이 상대적으로 빠른 것을 특징으로 하는 피질하혈관성 인지장애의 예후를 예측하기 위한 장치.
- 삭제
- 삭제
- 제 1 항 또는 제 2항 중 어느 한 항의 방법을 구현하기 위한 프로그램이 기록된 컴퓨터로 판독 가능한 기록 매체.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020180044568A KR102233849B1 (ko) | 2018-04-17 | 2018-04-17 | 피질하혈관성 인지장애의 예후를 예측하기 위한 방법 및 장치 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020180044568A KR102233849B1 (ko) | 2018-04-17 | 2018-04-17 | 피질하혈관성 인지장애의 예후를 예측하기 위한 방법 및 장치 |
Publications (2)
Publication Number | Publication Date |
---|---|
KR20190121070A KR20190121070A (ko) | 2019-10-25 |
KR102233849B1 true KR102233849B1 (ko) | 2021-03-30 |
Family
ID=68420655
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020180044568A KR102233849B1 (ko) | 2018-04-17 | 2018-04-17 | 피질하혈관성 인지장애의 예후를 예측하기 위한 방법 및 장치 |
Country Status (1)
Country | Link |
---|---|
KR (1) | KR102233849B1 (ko) |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2756323A1 (en) | 2011-09-13 | 2014-07-23 | Acuitas Medical Limited | Magnetic resonance based method for assessing alzheimer's disease and related pathologies |
-
2018
- 2018-04-17 KR KR1020180044568A patent/KR102233849B1/ko active IP Right Grant
Non-Patent Citations (2)
Title |
---|
Clinical Interventions in Aging 2015* |
Computers in Biology and Medicine 83(2017) pp. 109-119(2017.02.27.)* |
Also Published As
Publication number | Publication date |
---|---|
KR20190121070A (ko) | 2019-10-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Brownlee et al. | Early imaging predictors of long-term outcomes in relapse-onset multiple sclerosis | |
Pinto et al. | Stroke lesion outcome prediction based on MRI imaging combined with clinical information | |
JP2007526799A (ja) | デジタルx線撮影ソフトコピーの読取値のインテリジェントな定性的および定量的分析のための方法およびシステム | |
Brugnara et al. | Automated volumetric assessment with artificial neural networks might enable a more accurate assessment of disease burden in patients with multiple sclerosis | |
US20220215541A1 (en) | Method, device and computer-readable medium for automatically classifying coronary lesion according to cad-rads classification by a deep neural network | |
KR102051666B1 (ko) | 아밀로이드 페트(pet) 영상을 이용한 알츠하이머 치매의 병기 측정 방법 및 장치 | |
Marinescu et al. | Integration and application of clinical practice guidelines for the diagnosis of idiopathic pulmonary fibrosis and fibrotic hypersensitivity pneumonitis | |
Foroushani et al. | Quantitative serial CT imaging-derived features improve prediction of malignant cerebral edema after ischemic stroke | |
KR102111852B1 (ko) | 다수의 심리검사지에서 불안 및 우울 증세의 신속한 진단을 위한 기계 학습 기반의 문항 선별 방법 및 장치 | |
AU2020265798A1 (en) | Method and apparatus for analysing intracoronary images | |
Bondesson et al. | Automated evaluation of probe-based confocal laser endomicroscopy in the lung | |
KR20220133918A (ko) | 생물학적 샘플 내의 대상의 체계적인 특징화 | |
Dong et al. | Radiomics versus conventional assessment to identify symptomatic participants at carotid computed tomography angiography | |
Cremers et al. | Predicting global cognitive decline in the general population using the Disease State Index | |
KR102233849B1 (ko) | 피질하혈관성 인지장애의 예후를 예측하기 위한 방법 및 장치 | |
Varga-Szemes et al. | Computed tomography assessment of coronary atherosclerosis: from threshold-based evaluation to histologically validated plaque quantification | |
JP7359163B2 (ja) | 判別装置、細胞塊の判別方法、及びコンピュータプログラム | |
Pal et al. | Artificial intelligence in endoscopy related to inflammatory bowel disease: A systematic review | |
US20220061920A1 (en) | Systems and methods for measuring the apposition and coverage status of coronary stents | |
He et al. | Validation of the Alzheimer’s disease-resemblance atrophy index in classifying and predicting progression in Alzheimer’s disease | |
US20230334656A1 (en) | Method and system for identifying abnormal images in a set of medical images | |
US20210035687A1 (en) | Medical image reading assistant apparatus and method providing hanging protocols based on medical use artificial neural network | |
Miyamoto et al. | Stroke classification and treatment support system artificial intelligence for usefulness of stroke diagnosis | |
Sokolova et al. | Automatic detection of pupil reactions in cataract surgery videos | |
Shan et al. | Segmentation of Cerebral Small Vessel Diseases-White Matter Hyperintensities Based on a Deep Learning System |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A201 | Request for examination | ||
E902 | Notification of reason for refusal | ||
E902 | Notification of reason for refusal | ||
E701 | Decision to grant or registration of patent right | ||
GRNT | Written decision to grant |